Réalités virtuelles

D’après les estimations du consensus, les dépenses d’investissement totales des hyperscalers et des fournisseurs d’infrastructures liées à l’IA se rapprocheraient de 940 milliards USD en 2026 et pourraient atteindre 1 300 milliards USD en 2027.¹ Les estimations privées vont dans le même sens, notamment les prévisions d’UBS, qui évaluent les dépenses d’investissement dans l’IA à près de 4 700 milliards USD entre 2026 et 2030.²

De même, McKinsey prévoit que les allocations aux dépenses d’investissement dans l’IA seront réparties à environ 60 % dans les puces et le matériel informatique, à 25 % dans l’électricité et les équipements électriques et à environ 15 % dans les terrains et l’aménagement des sites.³ En résumé, les capitaux sont investis dans des infrastructures et des ressources matérielles et, surtout, les investissements sont devenus trop importants pour être financés uniquement par les bilans des entreprises, ce qui explique pourquoi il est aussi important de faire appel aux marchés financiers.⁴

L’électricité constitue l’une des principales contraintes à l’heure actuelle. Les baies de stockage (racks) dédiées à l’IA ont une densité largement supérieure à celle des serveurs traditionnels, et le réseau électrique n’a pas été conçu pour répondre à leurs besoins. Les files d’attente de raccordement s’étirent sur plusieurs années, les délais de livraison des transformateurs s’allongent et on observe une pénurie de main-d’œuvre qualifiée. Même s’ils restent modestes, les chiffres globaux progressent rapidement, notamment ceux de la consommation d’électricité des centres de données américains, qui représentaient environ 4 % de la consommation nationale en 2023, et qui devraient atteindre de 7 à 12 % d’ici 2028.⁵ En Irlande, les centres de données consomment déjà environ un cinquième de l’électricité du pays, une part qui pourrait approcher un tiers d’ici quelques années et inciter l’exploitant du réseau à limiter les nouveaux raccordements autour de Dublin.⁶

Garantir l’accès à cette ressource vitale est désormais enjeu à part entière. Face à la longueur des files d’attente de raccordement, les développeurs cherchent à s’assurer directement un approvisionnement en électricité stable et toujours disponible, notamment par le biais de contrats d’achat à long terme d’électricité produite par le nucléaire, de production de gaz sur site et de batteries destinées à suppléer les énergies renouvelables.⁷ La viabilité économique de l’IA dépend de plus en plus du coût de l’électricité, des délais de raccordement au réseau et de celui qui supportera en dernier lieu le coût des infrastructures associées.⁸

L’empreinte couvre également les terrains et les ressources en eau. Un seul campus de centres de données peut consommer autant d’électricité qu’une ville de taille moyenne et le volume d’eau d’une petite ville pour son refroidissement.⁹ Les systèmes de refroidissement liquides en circuit fermé, même s’ils permettent de réduire la consommation d’eau d’un site, ont tendance à faire augmenter ses besoins en électricité. La majeure partie de ces besoins en électricité sont couverts par des centrales thermiques qui consomment elles-mêmes des volumes d’eau importants.

Il convient d’être précis sur ce point, car un grand nombre d’informations erronées circulent dans les débats consacrés aux incidences environnementales des activités liées à l’IA.

Une idée largement répandue sur les réseaux sociaux consiste à dire qu’une requête IA consommerait l’équivalent d’une bouteille d’eau, une affirmation qui s’appuie sur une mauvaise interprétation d’une étude de l’Université de Californie à Riverside publiée en 2023 qui évoquait 500 millilitres pour 10 à 50 réponses - et non par requête.¹⁰ Sam Altman d’OpenAI estime qu’une requête d’ordre général sur ChatGPT consomme environ 0,34 watt-heure et une fraction de cuillère à café d’eau, des chiffres qui ont par la suite été confirmés dans leur ensemble par une étude indépendante d’Epoch AI. Mais comme dans toute moyenne, les données aberrantes ont également leur importance. La même analyse d’Epoch AI constate que la consommation d’énergie peut atteindre 2,5 à 40 watts-heure pour les requêtes très longues ou complexes. Les modèles de « raisonnement » et les flux de travail agentiques plus récents peuvent donc consommer bien plus que les simples chatbots mentionnés par ces chiffres globaux.^11,12

Bien que l’empreinte environnementale des requêtes IA soit loin d’être négligeable, il convient de la replacer dans le contexte de l’échelle globale et d’examiner la consommation indirecte, c’est-à-dire l’eau et l’électricité consommées par les centrales qui alimentent les baies de stockage (le scope 3 pour ainsi dire), plutôt que les chiffres alarmistes de la consommation par requête. D’après les estimations de l’AIE, cette consommation indirecte représente majorité des cas d’utilisation de ressources en eau des centres de données.¹³

En prenant suffisamment de recul, on s’aperçoit que les goulots d’étranglement décrits plus haut sont le symptôme d’un problème beaucoup plus important. En 1969, Buckminster Fuller décrivait la planète comme le « Vaisseau Terre ».¹⁴ Par ce terme, il entendait un vaisseau doté de vivres limités, sans possibilité de ravitaillement et dont l’équipage devait gérer les ressources ou bien courir à sa perte.

L’IA met ce système fermé à l’épreuve, en accaparant une part exponentielle des réserves d’électricité, d’eau, et de matériaux de la planète ainsi que sa capacité à évacuer la chaleur.

L’une des solutions les plus radicales à cette limite est de partir à la découverte d’autres planètes. Début 2026, SpaceX a fait part de son intention de déployer une constellation de jusqu’à un million de satellites alimentés par l’énergie solaire pour servir de centres de données en orbite. La société a également annoncé l’intégration xAI en vue d’une introduction historique en Bourse.^15,16 Elon Musk n’est pas le seul à nourrir cette ambition : Google, Amazon, Starcloud, soutenue par Nvidia (qui a envoyé un GPU en orbite fin 2025), ainsi que le programme spatial chinois aspirent tous, sous différentes formes, à concrétiser cette idée.¹⁷

Le projet suscite un certain scepticisme. D’après des estimations indépendantes, le coût de l’électricité en orbite est bien supérieur à celui de l’énergie solaire terrestre ou du gaz¹⁸; le rejet de la chaleur dans le vide nécessite des radiateurs à très grande échelle ; la fusée qui permettrait de déployer un tel projet est encore en phase de test ; les équipements en orbite sont particulièrement complexes à entretenir.

Au fond, et dans la continuité de l’argument développé par Fuller depuis le début, on ne parvient pas à s’affranchir d’un système fermé en lui adjoignant un autre système fermé encore plus vaste. Même le rêve d’une IA en orbite autour de la terre dépend d’infrastructures physiques - puces, lancement, panneaux solaires et radiateurs. Le projet se contente d’élargir et de déplacer la contrainte, au lieu de la supprimer.

Fuller avait également compris les implications sociales et relationnelles de la vie d’un équipage partageant un même vaisseau aux ressources limitées. La manière dont les coûts et les bénéfices du système sont répartis compte tout autant que le volume des ressources consommées. C’est sans à cette réalité que va se heurter l’IA.

Les déplacements d’emplois seront probablement concentrés dans certains secteurs plutôt que généralisés. Les métiers de bureau reposant fortement sur les langues ou le code semblent les plus exposés.¹⁹

La plupart des projets d’IA en entreprise visent encore à compléter les tâches plutôt qu’à les automatiser entièrement : à peine un cinquième d’entre eux ont pour objectif une automatisation complète.²⁰ À court, il faut en réalité s’attendre à ce une redéfinition des postes plutôt qu’à leur élimination. Les premières pressions seront visibles dans le recrutement, notamment au bas de l’échelle, plutôt que dans les salaires.²¹ Toutefois, ce constat est de piètre consolation si les premiers échelons de carrière finissent par disparaître et les gains sont concentrés au sommet.

Les métiers de bureau ne sont pas les seuls à être menacés. Le transport et la logistique montrent à quelle vitesse les lignes peuvent bouger lorsque la technologie, les capitaux et la réglementation convergent. John Smith, le PDG de FedEx Freight a par exemple déclaré que les camions autonomes étaient proches d’être opérationnels et que leur déploiement dépendait désormais moins du bon fonctionnement de la technologie que de l’approbation des autorités de réglementation pour autoriser son utilisation à grande échelle.²²

Au fond, la question centrale est de savoir qui, concrètement, bénéficie des gains et qui supporte les coûts. Le même dollar investi dans l’IA peut aussi bien alimenter l’essor des dépenses d’investissement, contribuer au remplacement du travail humain ou accroître les marges. Par ailleurs, les entreprises ont de plus en plus tendance à se restructurer autour de l’IA en invoquant des gains d’efficacité, alors même que les gains en matière de productivité restent à démontrer.²³

Pour les actionnaires, même si l’IA est potentiellement synonyme d’accroissement des marges, à l’échelle de l’économie, elle pose la question plus délicate de la circularité. Une économie reposant sur la consommation a besoin de consommateurs disposant de revenus pour fonctionner. Si l’IA accroît les profits en remplaçant les emplois des travailleurs qui sont aussi des consommateurs, qui entretient la demande ?²⁴

Dans le scénario d’une transition ordonnée, les nouveaux métiers créés par l’IA absorbent la main-d’œuvre déplacée et les gains de productivité entraînent une hausse des revenus. À l’inverse, dans celui d’une transition désordonnée, les craintes de suppressions d’emplois se traduisent par un renforcement de l’épargne par précaution, freinent la croissance et contraignent les pouvoirs publics à intervenir par des mesures de soutien, de reconversion et de redistribution.²⁵

Les systèmes d’IA interviennent maintenant dans es décisions qui sont à la fois lourdes de conséquences et protégées sur le plan juridique : notamment qui est recruté, qui obtient un crédit, qui peut être assuré ou qui obtient un logement. Lorsque ces systèmes sont entraînés à partir de tendances historiques, ils ont tendance à les reproduire. Dans l’affaire Mobley v. Workday, un candidat a soutenu qu’un système de recrutement piloté par l’IA écartait de manière disproportionnée les candidats âgés, noirs ou en situation de handicap. Le tribunal a autorisé une action collective au motif d’une discrimination liée à l’âge.²⁶ Pour les investisseurs, le détail le plus marquant est que le plaignant a attaqué l’éditeur du logiciel et non pas seulement l’employeur auprèd’IA à haut risque a été repoussée à décembre 2027s duquel il postulait.²⁷

Les dirigeants du secteur ne perdent pas de vue ces enjeux. En 2023, les chercheurs les plus cités du secteur de l’IA - Geoffrey Hinton et Yoshua Bengio entre autres - ont signé conjointement aux dirigeants des principaux laboratoires d’IA une déclaration d’une ligne affirmant que « réduire le risque d'extinction lié à l'IA doit être une priorité mondiale...au même titre que les pandémies ou la guerre nucléaire. »²⁸

Malgré le renforcement de l’architecture réglementaire, les échéances ne cessent d’être repoussées. Dans le cadre du règlement de l’UE sur l’intelligence artificielle (AI Act), l’entrée en vigueur des obligations applicables aux systèmes d’IA à haut risque a été repoussée à décembre 2027.²⁹ Toutefois, la législation existante en matière de lutte contre les discriminations s’applique déjà, les actions en justice n’attendent pas l’entrée en vigueur du règlement et, indépendamment de celui-ci, les exigences relatives à la provenance des données, à la protection de la vie privée et au devoir de vigilance en matière de droits humains ne cessent de se renforcer.

En termes de normes de dialogue actionnarial et d’engagement, un fossé béant est en train de se creuser. D’après des recherches menées par l’Oxford AI Governance Initiative, la demande des investisseurs institutionnels en matière de gouvernance de l’IA est assez faible à l’heure actuelle, et lorsque les gestionnaires d’actifs engagent un dialogue, c’est souvent de leur propre initiative plutôt que sous la pression des clients (pour le moment en tous cas).³⁰

La qualité de la gouvernance doit être considérée comme un indicateur du contrôle des enjeux liés à l’IA, comme c’est le cas depuis des années dans de nombreux autres domaines de l’activité des entreprises. Une entreprise qui ne saurait pas expliquer comme ses modèles parviennent à des décisions portant à conséquence a peu de chances de pouvoir exercer la moindre gouvernance sur eux non plus, et pourrait très bien être exposée à des passifs éventuels qui n’ont pas encore étd’une discrimination liée à l’âgeé évalués.

La combinaison des limites physiques et humaines liées au déploiement de l’IA présente à la fois des opportunités et des risques.

En tant qu’investisseurs, nous accordons davantage d’attention aux facteurs limitants lorsque nous cherchons à identifier des opportunités de valeur inexploitées. Dans le cas présent, la valeur peut avoir la forme d’un approvisionnement fiable en électricité sécurisé via des contrats d’achat, des infrastructures de transport de l’électricité et d’équipements de réseau avec des délais de livraison garantis sur plusieurs années ; elle peut également résider dans les matières premières indispensables à l’électrification ou dans des infrastructures numériques bénéficiant d’une électricité garantie et des autorisations nécessaires. Les implications ne sont pas simplement hypothétiques, puisqu’en 2026, des valeurs liées à l’IA ont déjà été à l’origine de fluctuations majeures sur les marchés, qui ont à chaque fois modifié le sentiment concernant la durabilité de son déploiement.

En se plaçant dans la perspective du Vaisseau Terre, l’efficacité et la circularité deviennent des thématiques d’investissement, avec sous-thèmes tels que les systèmes de refroidissement liquides en circuit fermé, le recyclage de l’eau et la réutilisation de la chaleur, l’efficacité des réseaux électriques et le stockage d’énergie de longue durée ; ou encore l’allongement de la durée de vie des équipements et la chaîne de valeur des déchets électroniques. En revanche, le projet de mise en orbite de capacités de calcul s’apparente davantage à une ambition à long terme - en supposant que les coûts de lancement baissent - qu’à un véritable projet d’allocation d’actifs.

La question peut également être abordée sous un angle réflectif : l’IA n’est plus seulement un sujet d’investissement durable, elle en devient progressivement un outil. Elle permet d’extraire des informations ESG des publications des entreprises et d’analyser des images satellites pour détecter la déforestation, les émissions de méthane ou les émissions de Scope 3, en confrontant les déclarations des entreprises aux données concrètes.³¹ Google DeepMind a, par exemple, réduit d’environ 40 % l’énergie nécessaire au refroidissement de ses centres de données, soit une amélioration de 15 % de l’efficacité énergétique globale, en confiant à un modèle la gestion du système de refroidissement, plutôt qu’en s’appuyant sur des paramètres fixes.³² Ces premiers résultats ont ensuite soulevé des questions concernant leur reproductibilité, dans la mesure où les systèmes de production font généralement état de gains plus modestes, de l’ordre de 14 à 21 %. Ils ont néanmoins validé le concept, en montrant une voie que d’autres pourront suivre.³³ En conclusion, l’IA peut jouer à la fois le rôle du héros et du méchant de l’histoire.

En fin de compte, le déploiement des capacités des modèles d’IA exige des moyens d’acheminement de l’électricité, une consommation d’eau qui puisse se justifier, un approvisionnement en matériaux, une main-d’œuvre capable de s’adapter et une gouvernance suffisamment crédible pour résister à un examen approfondi. La majeure partie de ces coûts restent en dehors du bilan des fournisseurs de modèle, mais sont inscrits au passif de la collectivité.

Il serait logique de considérer les grands projets de centres de données moins comme des dépenses d’investissement technologique et davantage comme des aéroports, des ports ou des services aux collectivités - des actifs dont les rendements dépendent des capacités physiques, de la comptabilité planétaire ou de la légitimité sociale. Les investisseurs doivent déterminer si les infrastructures qui sous-tendent l’IA peuvent se développer à grande échelle de manière responsable et rentable, tout en bénéficiant de l’adhésion du public. C’est à ce niveau que convergent les contraintes imposées par les dimensions physiques et humaines.

¹ Estimations du consensus de Bloomberg, août 2026
² Invest in transformational innovation, UBS CIO GWM, novembre 2025.
³The cost of compute: A USD 7 trillion race to scale data centers, McKinsey & Company, avril 2025.
⁴Key Questions on Energy and AI, International Energy Agency, 2026.
⁵2024 United States Data Center Energy Usage Report, Lawrence Berkeley National Laboratory / US DOE, décembre 2024.
⁶AI: Five charts that put data-centre energy use – and emissions – into context, Carbon Brief, September 2025.
⁷Beyond the Hype: Assessing Hyperscaler Nuclear Commitments Against U.S. Energy Realities, Carnegie Endowment for International Peace, juin 2026.
⁸Key Questions on Energy and AI, International Energy Agency, 2026.
⁹Data Drain: The Land and Water Impacts of the AI Boom, Lincoln Institute of Land Policy, février 2026.
¹⁰Google games numbers to make AI look less thirsty, The Register, août 2025.
¹¹Sam Altman: ChatGPT queries consume 0.34 watt-hours of electricity and 0.000085 gallons of water, Data Center Dynamics, June 2025.
¹²OpenAI's Sam Altman superintelligence blog (Epoch AI GPT-4o estimate), The Register, juin 2025.
¹³Energy and AI, International Energy Agency, 2025.
¹⁴ R. Buckminster Fuller, Operating Manual for Spaceship Earth, 1969
¹⁵SpaceX files plans for million-satellite orbital data center constellation, SpaceNews, Jeff Foust, janvier 2026.
¹⁶Will data centers in space work? Elon Musk says yes, NPR, avril 2026.
¹⁷SpaceX files for million satellite orbital AI data center megaconstellation, Data Center Dynamics, juillet 2026.
¹⁸SpaceX Vow To Loft 1 Million AI Satellites Could Spark Doomsday Dive, Forbes, Kevin Holden Platt, mai 2026.
¹⁹Generative AI and Jobs: A Refined Global Index of Occupational Exposure (ILO Working Paper 140), International Labour Organization & NASK, mai 2025.
²⁰The AI and labor landscape 2026, S&P Global, juillet 2026.
²¹Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, Brynjolfsson, Chandar & Chen, Stanford Digital Economy Lab, novembre 2025.
²²FedEx Freight CEO says self-driving trucks are ready for prime time, The Wall Street Journal, 1er juin 2026.
²³Every major tech layoff in 2026 that has name-checked AI, TechCrunch, juillet 2026.
²⁴The simple macroeconomics of AI, Daron Acemoglu, Economic Policy 40(121), janvier 2025.
²⁵Gen-AI: Artificial Intelligence and the Future of Work, IMF Staff Discussion Note SDN/2024/001, janvier 2024.
²⁶ Workday AI Lawsuit Explained: Implications for HR, OutSolve, avril 2026.
²⁷ Why AI Hiring Discrimination Claims Are More Dangerous to Employers Than They Look, ABA Business Law Today, juin 2026.
²⁸Statement on AI Risk (Déclaration sur les risques de l'IA), Center for AI Safety, mai 2023.
²⁹ EU Approves Delays and Other Amendments to Certain EU AI Act Obligations, Morgan Lewis, juin 2026
³⁰ The Role of Investors in AI Governance, Oxford AI Governance Initiative, avril 2026.
³¹Addressing the “AI” in sustainability, Bank of America Institute, September 2025.
³² Evans, R. & Gao, J., DeepMind AI Reduces Google Data Centre Cooling Bill by 40%. Google DeepMind, 2016.
³³ Zhan et al., Data Center Cooling System Optimization Using Offline Reinforcement Learning, 2025.